通过 LLM 提升临床效率：面向心脏病患者的出院小结生成

包括出院小结在内的医疗文档，对于确保患者护理质量、连续性以及有效的医疗沟通至关重要。然而，手动创建这些文档不仅耗时，而且容易出现不一致和潜在错误。使用人工智能 (AI) 实现这一文档流程的自动化，代表了医疗保健领域一个极具前景的创新方向。本研究通过采用 AI 技术，特别是大型语言模型 (LLM)，直接解决手动创建出院小结（尤其是针对心脏病患者）时的低效和不准确问题。利用来自某心脏病中心的大量数据集（包含广泛的医疗记录和医生评估），我们的研究评估了 LLM 增强文档处理流程的能力。在评估的各种模型中，Mistral-7B 脱颖而出，它能准确生成出院小结，显著提升了文档处理效率和患者护理的连续性。这些小结经过了医学专家严格的定性评估，在临床相关性、完整性、可读性以及对知情决策和护理规划的贡献方面均获得了高度评价。结合定量分析，这些结果证实了 Mistral-7B 在将复杂医疗信息提炼为简洁、连贯摘要方面的有效性。总体而言，我们的研究结果表明，像 Mistral-7B 这样的专用 LLM 在优化医疗保健文档工作流程和提升患者护理方面具有巨大潜力。本研究为进一步将高级 AI 技术整合到医疗保健中奠定了基础，展示了其彻底改变患者文档处理并支持更好护理结果的潜力。